一种疾病相关的心电图特征选择方法

摘要

本发明提供的心电图特征选择方法，将心电图分为NSVF四类分类系统，并将NSVF四类分类系统分解为NvS，NvV，NvF，SvV，SvF，VvF六个二分类器，在上述每个二分类器中，对每个特征按得分高低进行排序并形成候选特征集合，再从每个二分类器选择最优特征子集，依据最优特征子集对待测心电图样本进行预测，得到待测心电图样的类别。本发明提供的心电图特征选择方法，将特征得分由高到低排序后形成特征子集，并从每个二分类器选择最优特征子集，采用最优特征子集对待测心电图样本进行预测，得到待测心电图样的类别，提高了预测精度。

主权项

一种疾病相关的心电图特征选择方法，其特征在于，包括下述步骤：步骤S110：依据AAMI评价标准，将心电图分为NSVF四类分类系统；步骤S120：基于OvO的规则，将所述NSVF四类分类系统分解为NvS，NvV，NvF，SvV，SvF，VvF六个二分类器；步骤S130：在上述每个二分类器中，对每个特征按得分高低进行排序；步骤S140：上述得分由高到低排序后的所有特征子集形成候选特征集合；步骤S150：使用SVM分类器训练上述每个二分类器，并从每个二分类器选择最优特征子集；及步骤S160：所述最优特征子集对待测心电图样本进行预测，得到所述待测心电图样本的类别；步骤S130中，在上述每个二分类器中，对每个特征按得分高低进行排序，具体为，在上述每个二分类器中，采用下述公式对每个特征进行评分，并根据得分高低进行排序，所述公式为：$F\left(k\right)=\frac{{({\bar{x}}_k^{(+)}-{\bar{x}}_k)}^2+{({\bar{x}}_k^{(-)}-{\bar{x}}_k)}^2}{\frac{1}{n^{+}-1}{\Sigma }_{i=1}^{n^{+}}{(x_{i,k}^{(+)}-{\bar{x}}_k^{(+)})}^2+\frac{1}{n^{-}-1}{\Sigma }_{j=1}^{n^{-}}{(x_{j,k}^{(-)}-{\bar{x}}_k^{(-)})}^2}$其中，n⁺为正类的样本数，n^‑为负类的样本数，和分别表示第i个正样本和第j个负样本的第k个特征，表示正样本的第k个特征的平均值，表示负样本的第k个特征的平均值，是两类的第k个特征的平均值，F(k)为计算得到的为第k个特征的得分。